通信世界網消息（CWW）5月17日，2025世界電信和信息社會日主題活動在江西南昌隆重召開，中國信息通信研究院副院長王志勤出席會議并發表主題演講。她表示，人工智能發展的關鍵是三要素螺旋式迭代，形成“飛輪效應”，即模型方面推動基礎理論和技術路徑突破；算力方面加強軟硬件協同和自主生態建設；數據方面提供高質量供給，并在此基礎上，逐步構建開源生態，以廣泛業務應用的形成和技術產業螺旋的迭代，推動AI產業高質量發展。

大模型進入2.0時代，緊抓“三要素”

人工智能發展經歷了邏輯推理期、專家系統期、機器學習期、大模型期。其中，大模型時期，神經網絡規模不斷擴大，從海量數據中學習，產生智能涌現現象，通用性顯著增強。現階段的大模型2.0時期實現了強化學習，在很多領域超越了人類。例如2024年大模型在多任務語言理解、競賽級數學、博士級科學問題等之前具有挑戰性的基準測試中超越了人類的表現。

王志勤指出，促進大模型爆發的主要原因是“三要素”算法、數據和算力的突破。在算法方面，過去一年，以DeepSeek為代表的多個國內大模型能力迅速提升，基礎能力與OpenAI模型“比肩并跑”。與此同時，頭部大模型訓練成本達到新高度，但增速有所放緩；整體算力需求結構正在從訓練側向推理側傾斜，預計到2027年推理負載將達到70%。

在算力方面，我國AI軟硬件仍面臨算子對前沿算法支持度不足、軟件棧技術路線不收斂、系統整體性能有待提升等問題。產業應通過模型適配統一接口、算子庫功能統一構建、異構算力統一訓練，“三個統一”推動軟硬件協同生態。

在數據方面，高質量數據集是未來模型性能提升的關鍵因素。如何獲得這些高質量數據集？王志勤認為，在全球遭遇大模型訓練“數據墻”的背景下，“數據標注”和“合成數據”是重要破題路徑。數據標注通過對數據進行篩選、清洗、分類等加工處理，顯著提升數據質量，而自動化標注和AI輔助標注等手段也不斷提升標注效率、質量和安全性。合成數據有助于節省時間成本和經濟成本、獲得極端情況下的訓練數據、最大限度地減少隱私問題。Gartner預測，2024年AI訓練中用到的數據有60%將是合成數據，到2030年絕大部分訓練數據將由人工智能合成。

“人工智能+”破局，打造“樣板間”

在人工智能技術迅速發展的同時，我國積極推進“人工智能+”行動。王志勤指出，“人工智能+”不僅是人工智能在不同行業落地應用，更是人工智能技術與經濟社會的雙向深度融合。它將進一步釋放數據要素價值驅動創新、突破人類生產生活認知邊界，賦能創新、生產、治理全面升級，形成全新智能發展范式，助力新質生產力發展。

但王志勤也提醒到，“人工智能+”發展是一個循序漸進的過程，目前制造業、醫療、交通、金融等AI應用較多的領域，均是對生產效率和準確性具有較高要求，具備明確的需求和良好的收益模式，且已經積累大量行業數據和豐富的業務場景的行業，“人工智能+”整體發展仍面臨成本、能力、安全等方面的多重挑戰。“需要面向重點行業，制訂人工智能落地路線圖，選取重點場景、重點問題，形成大模型落地實踐指南、落地途徑、樣板間、基準測試體系等。”

以工業為例，目前行業應用呈現“兩端快，中間慢”的發展態勢。研發環節和服務環節AI應用較多，中間制造環節應用較少。但隨著AI發展進入快車道，將驅動工業智能化從弱人工智能走向廣泛應用并向強人工智能邁進的新階段。在“人工智能+產品”方面，新一代智能終端快速發展。AI終端是大模型和各類軟件接口以及硬件工具的結合體，在各類電子產品、大型制造設備、具身智能等領域均有廣泛應用。

此外，談及AI對網絡的影響。王志勤指出，AI將驅動信息通信網絡從“運營管理智能”向“網元智能”發展變革，由外至內深入賦能、梯次落地、全面提升通信網絡和設備的數據感知、分析、優化、決策能力，實現運營支撐少人化、網絡管理精準化、通信性能極致化。信息通信網絡架構也將從煙囪式、外掛式智能向網絡智能內生方向發展，形成支持AI全流程管控的原生AI網絡協議，實現“人-機-智能體交互”的全新服務模式。“網絡AI內生已成共識，具體實施路徑尚未清晰，6G將率先從架構、協議、服務三個層面全方位探索AI內生。”王志勤講道。